近年來,互聯(lián)網(wǎng)地持續(xù)發(fā)展帶來了網(wǎng)絡(luò)上信息的指數(shù)式增長。在這樣的背景下,推薦系統(tǒng)系統(tǒng)成為了緩解用戶信息過載的主要手段,并在過去十多年里誕生了大量的理論、技術(shù)和應(yīng)用。但是現(xiàn)有的推薦系統(tǒng)一般根據(jù)用戶的歷史行為信息進(jìn)行推薦,所以在真實的海量數(shù)據(jù)場景中,有可能面臨著數(shù)據(jù)稀疏和冷啟動的問題。因此,研究者嘗試將一些輔助信息引入推薦系統(tǒng),用來豐富用戶和物品的描述。知識圖譜作為一個含有豐富有效信息的知識庫,已經(jīng)在自然語言處理領(lǐng)域取得了廣泛的應(yīng)用。知識圖譜中包含著的實體間豐富的語義關(guān)聯(lián)能夠有效的用來挖掘推薦系統(tǒng)中物品間更深層次的聯(lián)系,緩解數(shù)據(jù)稀疏和冷啟動問題,改善推薦系統(tǒng)的性能。因此將知識圖譜引入推薦系統(tǒng)成為了目前新的研究方向�；谝陨媳尘�,本文提出了一種基于行為和知識統(tǒng)一嵌入的推薦模型,目的是將知識圖譜信息引入推薦系統(tǒng),與用戶行為信息融合在一起,提升推薦系統(tǒng)的性能,主要的工作如下:在知識學(xué)習(xí)部分,為了提取知識圖譜中實體間豐富的語義關(guān)聯(lián)信息,本文使用知識圖譜嵌入方法將圖譜中的實體和關(guān)系映射到一個低維向量空間,為每個實體和關(guān)系學(xué)習(xí)到一個向量表示。同時,為了更好的表征每個實體,防止實體向量應(yīng)用到推薦系統(tǒng)中時出...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 研究背景與意義
    第二節(jié) 國內(nèi)外研究綜述
        一、傳統(tǒng)推薦算法
        二、基于深度學(xué)習(xí)的推薦算法
        三、基于知識圖譜的推薦算法
    第三節(jié) 論文創(chuàng)新
    第四節(jié) 論文結(jié)構(gòu)安排
第二章 研究理論與方法
    第一節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
        一、標(biāo)準(zhǔn)循環(huán)神經(jīng)網(wǎng)絡(luò)
        二、長短時記憶網(wǎng)絡(luò)
        三、門控循環(huán)單元
    第二節(jié) 注意力機制
    第三節(jié) 嵌入理論概述
        一、詞嵌入介紹
        二、圖嵌入介紹
        三、知識圖譜嵌入介紹
第三章 行為和知識統(tǒng)一嵌入的推薦模型
    第一節(jié) 問題描述
    第二節(jié) 模型框架
        一、知識學(xué)習(xí)
        二、行為和知識的統(tǒng)一嵌入
        三、深度興趣學(xué)習(xí)網(wǎng)絡(luò)
第四章 實驗與評估
    第一節(jié) 數(shù)據(jù)集
        一、數(shù)據(jù)集介紹
        二、數(shù)據(jù)預(yù)處理
    第二節(jié) 實驗設(shè)計
        一、實驗評估指標(biāo)
        二、實驗準(zhǔn)備過程
        三、實驗結(jié)果分析
第五章 總結(jié)與展望
    第一節(jié) 研究內(nèi)容總結(jié)
    第二節(jié) 未來展望
參考文獻(xiàn)
致謝
個人簡歷及在學(xué)期間發(fā)表的研究成果



本文編號：3749435